龙的葬礼与飞蜥的雨林：一份写给清醒者的AI+教育备忘录
我妹妹明年高考。
她坐在课桌前刷题时，AI能在几分钟内解出她苦思半小时的压轴题。但她需要的不是一个能替她解题的机器，而是一个能发现她为什么卡在那一步、然后帮她迈过去的东西。
这微小的区别，就是龙与飞蜥的全部差异。
七年前那个九月，广州依然炎热。图书馆靠窗的位置，阳光斜切过桌面，照亮论文集中的一行字：Attention is All You Need。那时我以为，Transformer不过是一种更精巧的翻译工具。直到翻到一篇后续研究，它提出了一个让我至今难忘的问题：如果让一个模型读完整个互联网，它会理解什么？
读到那句话的瞬间，我放下论文，靠向椅背。世界在那一刻裂开一道缝，而我恰好站在缝隙的边缘。
语言。那曾被笛卡尔视为"灵魂唯一不可分的证明"，那曾让海德格尔说"语言是存在之家"的东西——正在被解构为一组可计算的关系。一个古老的边界正在消失。我盯着那行字，被一个追问击中：如果有一天你无法分辨一段文字出自人还是机器——信任的基石在哪里？意义还成立吗？
我合上论文，望向窗外。广州塔在远处矗立，玻璃幕墙反射着午后的光。那座塔像一扇半开的门。
后来，这个追问把我从爱丁堡的计算语言学实验室，带到了阿里巴巴的万亿token数据管线，又从苏格拉底的诘问式对话，带到了神经符号AI的工程前线。在阿里实习时，我负责构建万亿token规模的LLM预训练数据管线。那是第一次在全然不同的尺度上理解语言——不是人与人的交流，而是被剥离了语境、主体和意图的文本洪流。正是在那里，那个追问变得锋利：当语言变为数据，意义寄居何处？
六年下来，它凝结为一个判断：AGI是一条龙。ASI——我在这里指的是专深智能（Artificial Specialized Intelligence），不是那个被科幻喂养了二十年的"超级智能"——才是飞蜥。龙从未呼吸过。飞蜥正在雨林里真实地滑翔。
这不是修辞。这是一个诊断工具。
龙有狮头、蛇颈、鹰爪、蝠翼。每一块部件都来自真实的生物，但拼在一起之后，它不属于任何一个门纲目科属种。博物学家曾把不同恐龙的骨骼拼成根本不存在的物种。维多利亚时代的藏家曾为"独角兽的角"倾家荡产——后来发现那是独角鲸的长牙。人类有一种顽固的冲动：把来自不同真实对象的碎片拼成一个虚构整体，然后宣布这个虚构整体比任何一个真实碎片都更完整。
AGI正是这种冲动的当代产物。它的跨领域泛化、因果推理和自我修正，每一项能力都来自真实的专深系统。但拼在一起之后，那个号称"在所有认知任务上超越人类"的东西，从未在任何一个实验室、任何一行代码、任何一个物理因果闭环中呼吸过。
这份备忘录，就是用这个诊断工具来解剖一个行业——中国AI+教育。过去十二个月，数字令人眩晕：月活破亿，增速340%，硬件出货量屡创新高。但数字会说话，也会说谎。在繁荣表象之下，通用大模型的"万能论"正在教育这一最严谨的场景中遭遇结构性失败。而真正在课堂里、家庭中、实训车间里扎根的智能系统，从来不是"通用"的，而是"专深"的。
一、高增长与低满足：一个结构性悖论
2026年的中国AI+教育市场，站在一个矛盾的拐点上。
QuestMobile数据显示，2025年Q3国内AI教育应用月活突破1.2亿人次，同比暴增340%。中国教育信息化市场规模突破5000亿元人民币，以超过20%的年复合增长率领跑全球。资本涌入，硬件热销，政策开闸。
与此同时，教育部教育管理信息中心2025年第三方调研显示，全国仅约36%的学校认为现有平台能完全满足日常教学需求。三分之二斥巨资采购的AI系统正在机房吃灰。中国教育科学研究院同期调研指出，教师每周仍要耗费大量时间处理非教学事务——那些号称"减负"的AI工具，因操作繁琐、平台割裂，反成了新的负担。
这不是增长问题。这是结构问题。
过去两年，大量企业将通用大模型直接套壳推向教育市场。那些在互联网文本上训练出来的语言模仿机器，能写诗、能聊天、能续写万物，却不理解牛顿定律的因果，不知道数学题的多元解法，更不明白"启发重于答案"的教育铁律。它们在教育场景中的"智能"，不过是统计概率的幻象。
正如2026年6月发布的《莱顿人工智能与数学宣言》所指出的——这份由十六位数学家发起于荷兰莱顿大学、获国际数学联盟背书、超过2400名数学家签署的文件，用一句话戳穿了皇帝的新衣：大语言模型本质上只是预测下一个词，输出"只是看起来像真实的语言，而非逻辑为真"。
2026年4月2日，教育部等五部门联合印发《"人工智能+教育"行动计划》，从政策顶层确认了这场范式转移的方向：从资本驱动的API套壳狂热，转向以集约化智算基座、专深推理模型、软硬一体终端和全场景循证为特征的深度重构。
龙的葬礼已经开始。飞蜥的雨林正在成形。
二、谁在雨林中滑翔？
当前市场已沉淀出三足鼎立格局：传统教育巨头凭教研壁垒转型，互联网大厂挟算力与流量辐射，专业创业公司在细分长尾中寻找裂缝里的阳光。
儿童AI陪伴是最具情感想象空间、也最险象环生的赛道。头部玩家FoloToy于2026年1月连续完成数千万元Pre-A轮及Pre-A+轮融资，行业硬件毛利率高达60%至90%。但硬币的另一面是：跃然创新联合创始人高峰公开透露，部分潮玩类产品电商平台综合退货率超过20%。旗下BubblePal虽累计销量突破30万台，高退货率仍是悬顶之剑。
矛盾直指赛道死穴：买者与用者的需求割裂。 家长为"教育价值"买单，孩子渴求"好玩"。当产品既不好玩又无教育意义，就成了昂贵的电子废品。低端产品断网即瘫痪，更暗藏隐性扣费与隐私泄露。形态上，AI具身机器人份额已从高点回落，毛绒与潮玩形态因情感抚慰属性成为增长黑马。未来胜负手在于长期记忆网络与头部IP授权——不能记住孩子成长轨迹的AI，只是一次性玩具。
K12 AI Tutor是商业化最成熟、竞争最惨烈的赛道。洛图科技2026年Q1数据显示，作业帮、学而思、科大讯飞、小猿、步步高、希沃六大品牌已占据全渠道87.5%的销量份额。更值得关注的是价格结构的剧变：2000–2999元中端价位段线上销量占比飙升至52.2%，同比增长21.2个百分点；2000元以下低端机型大幅缩水至10.9%。消费者正用脚投票，摒弃"伪AI"廉价硬件，拥抱真正有AI能力的终端。
科大讯飞凭星火X1——国内首个基于全国产算力训练的深度推理大模型——扼守6000元以上高端阵地。作业帮与学而思分别依托独家题库教研和自研大模型在主流市场筑起护城河。AI Tutor与传统教培的关系已从"替代"演变为"双减"框架下的"合规互补"。
AI语言学习实现了出海的系统性突破。《时代》杂志与Statista联合发布的2025年全球顶尖教育科技公司榜单中，编程猫、网易有道、好未来包揽前三。产品形态从早期点读APP进化为具备情境感知的实时语音Agent。商业模式随之质变：东南亚低价硬件渗透，北美与中东高品质订阅制收割高净值用户。2025年1月，网易有道开源"子曰-o1"教育推理模型——14B轻量级单模型，支持消费级显卡部署，以思维链技术实现慢思考推理。教育专深模型的开源生态由此发轫。
AI工具赛道，2C解题与写作工具贡献了1.2亿MAU的庞大流量，但留存严重依赖考试季，且在大厂免费策略挤压下付费墙形同虚设。2B教师备课工具切中刚需，却因缺乏深度教研嵌入大多沦为一次性采购的摆设。工具向平台的演化——从单一功能软件升级为贯穿课前、课中、课后的学情数据中台——是2B变现的唯一生路。
三片蓝海值得特别关注。职业教育的"AI工艺导师"与具身实训，将企业工艺规范转化为可交互AI导师，是"技能传承的工业化"。特殊教育智能辅具，据教育部统计全国特教在校生约92万人，辅具市场规模预估超百亿，市场近乎真空。科研范式变革工具，面向高校和科研机构的科学智能体，北大与高教社牵头建设的科研语料库生态，预示着"卖给科学家"的高门槛赛道。
这些玩家形态各异、赛道不同，但它们共享一个被市场喧嚣遮蔽的底层特征：没有一个是"通用"的。它们之所以能在课堂、家庭和车间里存活，恰恰因为它们放弃了"什么都能做"的幻觉，转而回答一个极窄的问题——这个孩子卡在哪一步？这道工序的误差来源是什么？这个听障学生此刻需要怎样的手语节奏？
这就把我们带到了真正的断层线。
三、范式地震：为什么通用AGI在教育中失败了
通用大模型的底层逻辑，是在万亿token互联网文本上预测下一个最可能出现的词。它不是理解，不是推理，不是知道——它是统计概率的极致优化。当这种技术被生硬植入教育场景，三重根本性失败不可避免。
第一，教育需要因果推理，而非统计关联。 物理题的解答，是从牛顿定律出发的严格因果推导。通用模型能生成"看起来正确"的解题过程，却没有因果检验机制——它不知道自己的推导是否逻辑为真，只知道token序列出现频率较高。这就是教育零容忍的"AI幻觉"。
第二，教育需要启发引导，而非直接给答案。 苏格拉底的方法是通过追问让学生自己发现真理。通用大模型被训练为"尽可能准确完成用户请求"——当学生问"这道题怎么做"，它天然倾向于直接输出完整答案。这严重违背了引导思考、犯错重构的教育本质。我妹妹需要的，正是那个能发现她卡在哪一步、然后轻轻推她一把的东西，而不是一个冷冰冰的满分答卷。
第三，教育需要零错误率，而非概率性的"大致正确"。 一个99%正确的系统，在100道题中就会犯一次错——这个错误可能造就一个孩子整学期对某概念的误解。通用模型的概率本质，注定无法承诺零错误。
这就是教育专深智能路径必然胜出的底层逻辑。科大讯飞星火X1和网易有道子曰-o1代表了这一路线的工程落地：通过强化学习与慢思考推理链，在解题推导、错题根因诊断和启发式对话上实现突破。
教育ASI在技术上通常采用三层解耦架构。理解层负责自然语言交互与学生状态感知，可用14B轻量级模型在消费级显卡部署。推理层负责严格因果推导与逻辑验证，将学科知识图谱作为硬性约束，确保每一步推理锚定于权威知识节点——这是神经符号AI在教育领域的工程化实现：神经网络负责理解，符号层负责逻辑。交互层负责启发式对话管理，不直接输出答案，而是模拟苏格拉底式追问，在学生遇阻时反问、引导、提示，将维果茨基的"最近发展区"理论转化为可执行的对话策略。
三层架构的王牌在于可问责性：推理层每一步可追溯验证，交互层每一决策可清晰解释。当教育出错时，ASI能精准定位推理歧途。AGI只能道一声"抱歉"。
在商业层面，"纯软件"正被市场证伪。硬件终端的战略价值在于三重锁定：控制交付体验（护眼屏、无游戏环境），锁定账户与数据（高切换成本的商业闭环），回避低价竞争（明确的物料成本心理锚点）。但硬件亦是双刃剑，供应链、库存和超20%的退货率构成成本陷阱。唯有兼备"内容教研+自研算法"双重能力者，方能避免硬件沦为低毛利电子废品。
对于独立创业公司，大厂挟算力储备与免费策略之威，创业者在通用模型层毫无胜算。但在特定IP情感陪伴、垂直职业技能AI导师、特教智能辅具等长尾场景中，凭高密度行业Know-How建立不可替代的壁垒。生存法则不是"比大厂更通用"，而是"比大厂更专深"。
四、商业与政策：谁买单，谁定界
C端市场，三条变现路径效率呈戏剧性分化。硬件销售贡献了超过70%的流水，中端学习平板（2000–2999元）占线上销量52.2%——这不是冲动消费，是中产家庭对教育公平焦虑的理性投资。订阅制推广则步履维艰：用户习惯了免费AI服务，对纯软件支付意愿极低。部分AI玩具"低价硬件+高价会员"诱导消费，已引发监管关注。
B/G端正处于爆发期。教育信创改造持续推进，国家投资建设教育智能算力服务平台与教育专用大模型。参与To G业务的门槛大幅抬高，采购模式从"机房建设"转向"智能应用中试基地"与"未来课堂"。单笔金额大，但交付和账期长，极度依赖本地化渠道。
大厂的免费策略正在粉碎纯2C工具类创业公司的变现逻辑。字节、百度等以极低API定价甚至免费产品，使依赖软件订阅的创业模式面临生存危机。如果一家创业公司无法在6个月内完成"软件向硬件延伸"或"通用向垂直专深转变"，将面临用户流失与融资断崖。
政策是这一行业的真正塑造者。2026年，政策环境从"规范治理"升级为"战略引路与底线管控并重"。《行动计划》确立全学段覆盖战略——中小学开齐AI课程，高校设AI为公共基础课，职校推专业智能化升级。三条红线已然清晰：数据不出校（边云协同与校级私有化部署）、教育信创（华为昇腾、寒武纪等国产算力为招标硬性指标）、双减红线（严禁AI产品异变为变相应试补课工具）。这倒逼企业从"帮学生考试"转向"帮学生成长"。
五、四个干系人的真实声音
数据描绘的是结构。但教育最终发生在具体的人之间。
教师渴望一键生成教案、自动批改的助手，却在割裂的系统与"为用AI而用AI"的行政打卡中被反噬。一位县级中学的物理教师告诉我，她每学期要填三份不同平台的"AI使用记录表"，"比手写教案还累"。工具没有减轻她的负担，只是把负担从粉笔灰变成了表格。
学生端的"AGI依赖症"正引发深刻反思。AI随时给答案导致独立思考退化，迫使产品从"给答案"转向"引导提问"。一个值得警惕的信号：当学生习惯了"问AI就有答案"，他们丧失的不是知识，而是提出好问题的能力——而这恰恰是AI无法替代的东西。
家长端消费理性化：拒绝"全能AI"虚假宣传，转投中端高性价比硬件，对"付费会员套路"已产生强烈防备。他们不再问"这个AI有多聪明"，而是问"它能不能让我孩子少看二十分钟屏幕"。
学校端面临数字化KPI与一线交付落差的矛盾。智慧教育系统沦为观摩工程——领导来检查时开机演示，走后关机落灰。破解关键不在于采购更贵的设备，而在于让学校看到"真正能用"而非"仅供参观"的AI系统。
四个声音，一个共识：不要龙。要能干活的东西。
六、终局推演
行业将完成大规模整合，终局落定为"两极多强"。国家级智算基座垄断基础供给，通用模型的商业价值被公共品属性稀释。硬件入口巨头掌控C端70%以上流量与收入。垂直场景Agent专家占据B/G端长尾，纯软件套壳公司彻底消失。
在教育领域，ASI路径必然战胜AGI路径。教育的本质不是信息检索与生成，而是认知结构的构建与情感育人。AGI的概率本质包含不可消除的随机性；ASI以知识图谱为硬约束，结合慢思考推理，实现逻辑可追溯与零错误。这不是技术偏好，是责任归属——当教育出错时，ASI的三层可问责架构使责任界定成为可能。
对于创业者和投资者，三条建议：远离2C通用工具，锁定"硬件+IP"或B端高门槛垂直场景；放弃算法执念，建构独家权威数据与教研工作流——护城河在领域知识的独家性，不在模型参数；拥抱"软硬一体"与"信创合规"，将AI能力绑定物理终端或私有化部署架构。
七、三个超越数据的战略洞察
洞察一：智能硬件将从"教具"退化为无毛利的"边缘交互节点"，未来的终极壁垒是"跨终端终身学情记忆中枢"。
市场将学习机、AI玩具视为硬件商品的竞争，这是战术短视。随着供应链极度成熟，物理壁垒正加速坍塌。真正决定企业终局价值的，是跨学段、跨终端积累的个人终身学情记忆——当孩子从3岁用AI玩偶到18岁用大学科研助手，若企业软件底层能无缝跨终端继承其数年的认知特征、思维盲区与知识图谱，用户将产生极高迁移成本。这种"学情数据中枢"是独一无二的认知指纹，无法被任何竞争对手复制。
洞察二：AI对教育的最大重构，不是"辅助教师减负"，而是"倒逼知识考核体制瓦解与评价体系解构"。
当AI能轻松解开所有标准考试题，且学生普遍拥有AI Tutor，传统以"标准化考试、记忆与重复推导"为核心的评价体系将彻底失效。教育部政策中"过程性纵向评价"与"德智体美劳横向评价"预示着真正的终局：AI将迫使教育评价从"终结性分数评价"转向"全流程行为数据画像"。未来胜出的不是"帮学生考高分"的压题工具，而是能"记录并证明学生具备AI无法替代的创造力与提问力"的测评与项目式学习空间。
洞察三：AI时代的教育公平，将从"资源获取的公平"演变为"知识主权与思维主权的分化"。
当优质教学内容获取成本降至近零，一个更隐蔽的二元分化风险正在浮现。
过去二十年，教育公平的核心叙事是"资源可及性"——山区的孩子能不能看到北京名师的课。慕课、双师课堂、AI Tutor，确实在解决这个问题。但当答案的获取成本归零，真正的鸿沟悄然位移：从"谁拥有更好的AI工具"，转向"谁拥有控制AI的知识主权，谁被AI所驯化"。
如果资源匮乏地区完全依赖公有大模型给出的现成答案，学生将失去提问与批判性思考的训练机会。他们得到的不是教育，是喂养。而优质教育资源集中区则利用AI开展人机协同的跨学科探究——学生学会的不是"获取答案"，而是"质疑答案、拆解答案、在答案的废墟上建造自己的理解"。
这意味着，未来教育公平的战场不在硬件捐赠，而在认知主权的保卫。它将迫使国家级教育基座必须提供强启发式、非直接给答案的公共ASI智能体——不是给山区孩子一个更便宜的龙，而是给他们一只能引导思考的飞蜥。否则，智能鸿沟不会缩小，只会换一副面孔二次扩大。
结语：回到雨林
过去两年的繁荣，很大程度上是一条龙的故事——把通用大模型的能力碎片拼成"全能AI教师"的幻影，用它来融资、营销、制造紧迫感。但龙从未呼吸过。那些被当作"AGI火花"的基准测试表现，不过是沙漠中的恐龙化石——碎片的真实不能证明整体的真实。
与此同时，真正的物种正在雨林中安静进化。能记住孩子三年前说的话的AI玩偶。毫秒级诊断错题根因并将推理链可视化给教师的学习平板。让职校学生以更低失误率掌握机床操作的AI工艺导师。这些不是龙。它们没有遮天蔽日的双翼，没有喷射火焰的咆哮。但它们是真的。
《行动计划》的发布，标志着政策层面确认了从AGI神话到ASI现实的范式转移。未来三年，市场将为还在追逐龙的人举行葬礼，为已在雨林中找到生态位的飞蜥颁发入场券。
作为投资者，您面临的选择不是"AI教育是否值得投"，而是"您投的是龙还是飞蜥"。作为教育者，您面临的选择不是"要不要用AI"，而是"用直接给答案的龙，还是引导思考的飞蜥"。作为关心此事的普通人，您需要学会翻译：当有人在您面前谈论AGI时，他们所说的，要么是一个可检测的多任务专深系统，要么是融资话术，要么是一种存在焦虑的表达。
学会分辨这三种情况，您就从这个时代最大的科技迷思中解放了自己。
我妹妹明年高考。此刻她坐在课桌前刷题，AI依然能在几分钟内解出她苦思半小时的压轴题。但经过这一年，我比任何时候都更清楚：她需要的不是一个能替她解题的机器，而是一个能发现她为什么卡在那一步、然后帮她迈过去的东西。不是答案。是那个让她自己抵达答案的追问。
这微小的区别，就是龙与飞蜥的全部差异。
她这一代人需要的教育，邓小平在四十多年前已经说过了——要面向现代化，面向世界，面向未来。只是那个"未来"今天已经抵达，而我们还用着上个世纪的工具在迎接它。
龙不存在。从来不曾存在。
但晨光中，那些名为教育专深智能的飞蜥正在雨林间滑翔——从一间教室到另一间教室，从一本教材到一个实训车间，做着真实的工作，留下真实的痕迹。
让我们为龙举行葬礼。然后回到雨林。开始真正的工作。
良之 · Phaenarete ASI Lab